螢光 EEM，讀出橄欖油的老化指紋

一個樣品，不是一條光譜，而是一張螢光地圖

激發–放射矩陣（Excitation-Emission Matrix, EEM）同時掃描「用哪個波長照」與「樣品放出哪個波長的光」， 得到一張二維螢光指紋。橄欖油裡天然就有會發螢光的成分——生育酚（維生素 E）、葉綠素、氧化產物， EEM 一次就把它們的整體輪廓拍下來。

  橄欖油樣品 ──▶ 螢光光譜儀掃描（激發 × 放射） ──▶ 每個激發波長一條放射光譜 ──▶ 疊成「激發 × 放射」EEM 矩陣

橄欖油加速老化 EEM（公開資料）

資料來自 Mendeley Data 的 橄欖油老化螢光與 UV 光譜資料集（Venturini、Fluri & Baumgartner）： 24 款市售特級初榨橄欖油，經 10 個加速老化階段（Aging Step 0–9），每個樣品量得一張 EEM 螢光指紋。屬公開資料（CC BY 4.0）。

圖中由左下往右上的對角亮線是散射（Rayleigh / Raman），屬光學假訊號、與化學無關；判讀時要避開它，只看真正的螢光亮區。 Python 解析後，每一列代表一個橄欖油 EEM 量測，欄位是分箱（binned）後的螢光特徵與幾個連回化學的區域特徵。

前處理：補值 + 標準化

不同樣品、不同批次的整體強度會有高低差異。先 補值（Impute） 處理缺漏，再 標準化（Normalize / autoscale） 讓每個螢光特徵站上同一起跑點，避免少數高強度區域主導後續的 PCA 與分類——作用等同近紅外光譜裡的 SNV、質譜代謝體裡的 log + autoscale。

把螢光區域連回橄欖油的化學

EEM 的特徵不必是黑箱。把幾個有化學意義的激發 × 放射區域各自取平均， 就得到「看得懂」的特徵——而它們隨老化的變化，正好對應橄欖油裡真實發生的化學。

PCA：把上百個螢光特徵壓成幾個方向

主成分分析（Principal Component Analysis）在資料最分散的方向上建立新座標軸： PC1 是變異最大的方向、PC2 與它垂直且次大……少數幾個主成分，就能描述最重要的老化結構。

分數圖：老化軌跡自己浮現

分類：用螢光指紋鑑別新鮮度

想直接回答「fresh / mid / late」，就要給模型看過老化標籤——這是監督式學習。 把 EEM 特徵當輸入、aging_class 當目標，訓練分類器並用交叉驗證誠實評估。這就是它和 PCA 的關鍵差異： PCA 只看 X，分類模型一手抓 X、一手抓類別 y。

比較多個模型，用交叉驗證選

用 Orange 的 Test & Score 同時跑 Random Forest、Logistic Regression、SVM， 以 5 折交叉驗證比較準確率；再用 Confusion Matrix 看哪些等級被搞混。

Python 程式（scikit-learn）

整套分析用 numpy / pandas / scikit-learn 完成，可重現：從 EEM 矩陣萃取特徵、做 PCA、再做監督分類。

特徵萃取 — 取有化學意義的 EEM 區域平均

import numpy as np

def eem_region_mean(eem, ex, em, ex_lo, ex_hi, em_lo, em_hi):
    """取 EEM 某個激發 × 放射矩形區域的平均強度，作為可解釋特徵。"""
    ex_sel = (ex >= ex_lo) & (ex < ex_hi)
    em_sel = (em >= em_lo) & (em < em_hi)
    return eem[np.ix_(em_sel, ex_sel)].mean()

# 三個連回化學的教學區域
tocopherol  = eem_region_mean(eem, ex, em, 300, 340, 320, 380)  # 生育酚（維生素E）藍光區
oxidation   = eem_region_mean(eem, ex, em, 350, 450, 400, 520)  # 氧化產物 綠/黃光區
chlorophyll = eem_region_mean(eem, ex, em, 350, 460, 650, 750)  # 葉綠素 紅光區

PCA — 主成分分析，看老化軌跡

from sklearn.preprocessing import StandardScaler
from sklearn.decomposition import PCA

X  = features[bin_columns].values           # 每列一個 EEM，欄為分箱螢光特徵
Xs = StandardScaler().fit_transform(X)      # 標準化，讓每個 bin 公平貢獻
pca = PCA(n_components=10).fit(Xs)
scores = pca.transform(Xs)                  # 樣本在新軸上的位置（分數）
evr = pca.explained_variance_ratio_ * 100
# PC1 = 42.0% | PC2 = 12.9% —— 老化軌跡沿對角線浮現（與 PC2 關聯較強，r≈0.44）

分類 — 鑑別 fresh / mid / late（5 折交叉驗證）

from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import cross_val_predict, StratifiedKFold
from sklearn.metrics import confusion_matrix

y = features["aging_class"]                 # fresh / mid-aged / late-aged
clf = RandomForestClassifier(n_estimators=300, random_state=42)
yhat = cross_val_predict(clf, Xs, y,
                         cv=StratifiedKFold(5, shuffle=True, random_state=42))
cm = confusion_matrix(y, yhat, labels=["fresh", "mid-aged", "late-aged"])
# 看混淆矩陣：誤判幾乎都落在「相鄰等級」之間

pip install numpy pandas scipy scikit-learn matplotlib
# 1. 從 Raw_data 解析 EEM、萃取區域 + 分箱特徵 -> orange_olive_eem_features.csv
# 2. StandardScaler + PCA(10)            -> 陡坡 / 分數（依 aging_step 上色）
# 3. RandomForest + 5-fold CV            -> 混淆矩陣（fresh / mid / late）
# 圖輸出到 assets/plots/

用 Orange Data Mining 親手拉一遍

課堂可用 Orange 的拖拉式 widget，不寫一行程式就重現上面的 PCA 與新鮮度分類。 File 指向 orange_olive_eem_features.csv，把 aging_class 設成 Target、sample_id 與 source_file 設成 Meta 即可。

              ┌─ Data Table        （檢視原始特徵）
              │
 File ────────┼─ PCA ──Transformed Data──▶ Scatter Plot       ← PCA 分支（Color = aging_step）
(olive_eem    │
 features)    └─ Select Columns ─ Preprocess ─┬─ Test & Score ──▶ Confusion Matrix
              （Target = aging_class）         └─（RF / Logistic / SVM 比較）

PCA 與監督分類，一張表看懂